飞行控制软件测试中的插桩技术

插桩技术是软件测试中常用的关键技术之一.插桩技术应用在飞行控制软件测试中所遇到的一个严重的问题是其带来的额外开销将导致原程序的实时性下降甚至软件的失效.针对该问题,提出了一种基于布尔型存储数组的新的插桩方法.与传统方法相比,该方法优化了插桩的内容,降低了插桩对程序实时性的影响.搭建了一个仿真测试平台并以某型飞行控制软件为实验对象验证了该方法的有效性.实验结果表明该方法大大减少了插桩后程序的运行时间,保证了飞控软件的实时性要求.     

基于懒替换的C符号执行

针对传统符号执行中的动态地址计算问题,提出了基于懒替换的符号执行方法.通过引入尽可能替换的策略,基于懒替换的符号执行在无法静态确定变量的地址或符号表达式过长时不做符号替换.首先给出了基于懒替换的符号执行算法,在此基础上,详细分析了C语言主要结构尤其是数组和指针的懒符号执行语义.LazySEC是一个面向C程序的懒符号执行系统原型,初步实验表明,它可以有效地处理含有指针和结构体等涉及动态地址计算的程序语言结构.     

飞行器网络控制系统在线故障检测算法

针对飞行器网络控制系统具有网络诱导时延且采样周期较短的情况,提出了一种飞行器网络控制系统在线故障检测算法.考虑未知时延对网络控制系统的影响,建立飞行器网络化控制系统故障检测模型.基于此模型,构造了残差生成器,将故障检测问题转化为最小化优化问题.以矩阵Moore-Penrose逆的形式给出该最小化优化问题的解,在每个采样周期内进行飞行器网络控制系统在线故障检测.数值算例表明:当飞行器网络控制系统存在未知时延时,该故障检测算法对故障敏感,同时对未知时延引起的扰动具有鲁棒性.     

基于变量贡献率的MSPC异常识别方法

异常识别是多元统计过程控制(MSPC, Multivariate Statistical Process Control)方法有效应用的关键.针对现有研究对历史异常信息利用的不足,综合考虑了主成分变量贡献率与重构误差变量贡献率对异常识别的影响,将两种变量贡献率进行归一化处理并求和得到综合变量贡献率;提出了一种基于综合变量贡献率的MSPC异常识别方法,并基于matlab计算平台实现了该算法.通过田纳西过程故障模式仿真及异常识别,对该方法的应用及算法有效性进行了实例验证.     

ABDOM的参数规范化与离散化改进

为了更好利用叠加式双阻尼振荡模型(ABDOM,Accumulative Bi-Damped Oscillation Model)来描述、预测和评估真实软件缺陷发现时序过程,在提出理想软件缺陷发现时序过程范型(ISPSDD,Ideal Sequential Process of Software Defects Discovery)的基础上,对ABDOM中软件缺陷发现阻尼 a 和软件缺陷发现周期阻尼 b 的规范化进行了进一步讨论,提出了软件缺陷发现时序过程质量评价指数 Q ,给出了其典型取值和相关意义,并将其引入ABDOM,最终得到了经过参数规范化和离散化改进后的ABDOM-Q_d,并利用一个真实的工程实践项目数据对ABDOM-Q_d 进行了验证.     

不确定非线性主动容错控制系统模糊控制设计

考虑到实际主动容错控制系统中故障以及故障检测与隔离(FDI,Fault Detection and Isolation)决策出现的随机性,随机故障与FDI决策行为分别用两个Markov过程描述,用T-S(Takagi-Sugeno)模糊模型表达不确定非线性主动容错控制系统,并基于并行分布补偿(PDC,Parallel Distributed Compensation)方案,给出了能够保证闭环模糊系统鲁棒随机稳定的模糊控制器设计方法.鲁棒容错模糊控制器的存在条件由一组线性矩阵不等式(LMI,Linear Matrix Inequality)给出,从而方便地利用优化技术求解,随后倒车控制系统的仿真结果验证了所建议方法的有效性.      

一种基于二元估计与粒子滤波的故障预测算法

假设对象系统的故障演化过程可以由一个含有未知缓变参数的状态空间模型加以描述,则故障预测问题就可以转化为一个在已知当前系统信息的条件下,对系统未来某一时刻的状态变量的估计问题.针对该问题的求解提出了一种基于二元估计和粒子滤波的故障预测算法.算法的实施分为两个主要阶段:在状态估计阶段,采用两个并联的粒子滤波器迭代估计当前时刻对象系统故障演化模型状态和未知参数的后验分布.在状态预测阶段,对当前时刻故障演化模型状态的后验分布进行迭代采样,以采样样本粒子来近似估计未来时刻的状态变量的先验分布密度.在上述计算结果的基础上,结合相应的故障判据,算法采用计算对象系统未来时刻故障概率的方法预测其剩余使用寿命.仿真实验中将本文提出的算法与基于联合估计的故障预测算法进行对比,实验结果证明了所提算法的有效性.      

基于NMF的SVM故障诊断方法

针对大维数系统故障诊断中存在特征提取困难和识别率低的问题,提出基于非负矩阵分解(NMF,Non-negative Matrix Factorization)的支持向量机(SVM,Support Vector Machine)诊断方法,避免了直接对故障特征的选择和提取,实现特征降维,提高故障模式分类的准确性和速度;对于NMF中的结果随机性问题,提出用前次分解所得系数矩阵求解样本降维特征矩阵的方法,保证多次NMF分解尺度一致.实验表明该方法能对故障特征有效降维,并具有较高的诊断效率和故障识别率.     

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.     

QCS003液压实验台故障树分析

建立QCS003液压实验台工作缸液压系统的故障树,对系统进行故障树分析。实践证明,将故障树分析法应用于液压系统故障诊断中非常有效。